北约用 Adams 和 Luciad 评估军用地面车辆的机动性特征

2019-09-20 23:32:04·  来源:MSC软件  
 
在战场上,地面车辆的机动性堪称任务成功与否的分水岭。当今的国防环境需要打造一种可快速部署、高机动性的车辆平台,能够在各种地形和道路类型之间可靠地操作。
在战场上,地面车辆的机动性堪称任务成功与否的分水岭。当今的国防环境需要打造一种可快速部署、高机动性的车辆平台,能够在各种地形和道路类型之间可靠地操作。近年来,针对不同的环境条件和操作场景进行性能评估的车辆仿真能力已大幅提升。

为了支持下一代北约参考机动性模型(NG-NRMM)项目,对现有 CAE 机动性分析能力进行评估,使用了各种不同的海克斯康产品组合对 FED-Alpha(一种燃料效率示范车辆)的机动性进行了评估和可视化(图 1)。为支持这项工作,由 Eric Pesheck、Venkatesan Jeganathan、Tony Bromwell、Aniruddh Matange 及 Paspuleti Rahul Naidu 组成的团队依照现实世界的校准数据创建并验证了 Adams 模型。然后采用这些经过验证的模型来准确预测各种道路和越野操作场景下的车辆性能。通过专门开发的可视化和机动性映射应用程序,将选自这些分析研究的结果集整合到 Luciad 中(海克斯康地理空间产品组合的一部分)。此外,还证明了 Adams 模型的实时兼容能力,可支持各种自主场景和“硬件在环”场景。


图 1.NG-NRMM 程序的机动性建模

创建并验证 Adams 模型

Adams Car 是 Adams 产品组合中的垂直解决方案,专攻车辆总成和子系统的建模和仿真,可用于创建 FED Alpha Adams Car 的整车模型(采用基于模板的方法建模);


图 2.Adams 中的 FED-Alpha 车辆总成

可使用车辆数据填充可重复使用的子系统参数模板(例如底盘、轮胎、动力系等),并通过集成创建整车总成,如图 2 所示。典型的模型数据包括设计重点、零件质量属性以及部件兼容性特征。Adams Car 能对部件进行详细描述,例如柔韧性、摩擦力或者与频率有关的行为(如有必要)。

模型中所采用的逼真度和详细程度取决于仿真意图和可用的设计数据。对各种车辆测试事件中收集到的数据进行对比,以验证模型的准确性。通过对比与车辆行为、动力学及乘坐品质有关的指标对模型进行验证。

用 Adams 模型预测车辆性能

随后采用经过验证的 Adams 模型来仿真各种车辆事件,用以评估车辆的性能和机动性。这些事件包括模拟真实战场场景的道路及越野行驶。对典型的军事道路评估事件进行了仿真,例如双车道变道可展示极限操控性能、半圆形道路可展示乘坐品质、爬阶梯可展示障碍物通行能力,这些仿真与测试结果非常吻合。

由于在实现某些任务目标时,有可能需要在毫无准备的地形上进行操作,因此对越野性能的评估至关重要。越野建模中最重要的一点就是地面力学的表述;土壤性质以及轮胎与土壤表面之间的相互作用。本方案中采用了简单模型和精细模型来描述地面力学。

简单地面力学模型采用基于实验测量的经验关系来预测可变形地形对车辆操作的响应。该方法计算效率高,可依据定义明确的牵引和爬坡分析来评估车辆性能。而且该方法还能用于各种扫描过的地形形态,以便进行更广泛的越野性能分析。

另外,由于该方法计算效率高,能支持随机分析方法,在仿真时可以从统计的角度将因模型和地形输入的变化而引起的不确定性考虑在内。这些随机仿真代表了数百种潜在的土壤特征,能够预测出整个土壤和地形属性统计范围内的车辆性能,进而可得到车辆性能的置信区间。

此外还采用了逼真度更高的方法,根据仿真微粒的相互作用来得到土壤属性。这通过 Adams 和 EDEM 的协同仿真来实现,后者是 DEM 解决方案所提供的基于离散元方法(DEM)的仿真。在离散元方法中,材料用一堆形状简单(通常以圆形和球形为基础)、相互作用的微粒表示。Adams 和 EDEM 的典型协同仿真工作流如图 3 所示。根据指定的车辆部件对潜在的 EDEM 接触进行定义。用 Adams 确定这些零件的位移并提供给 EDEM。然后由 EDEM 确定产生的反作用力,并将其传递回 Adams。

采用这些方法对拉杆牵引力和沙床加速度等测试进行仿真,以便测算 FED 在各种越野场景下的牵引行为。虽然进行了密集的计算,但这些仿真不仅表明逼真度有了显著增加,而且与测试结果的相关性也更为准确。


图 3.通过对比试验数据来验证 Adams 模型


图 4.Adams EDEM 协同仿真工作流

机动性映射

借助品种繁多的海克斯康产品组合(图 5),运用地理空间业务部的 Luciad Lightspeed 技术将 Adams 预测的 FED Alpha 机动性特征投影到 Keewenaw 研究中心(KRC)的测试地形上。将 Adams 预测与地理空间映射技术整合在一起,就可以基于各种土壤、等级以及预测的车辆性能数据的组合,在整个映射范围内实现对车辆速度的可视化。此外,还可以根据选定的路线端点来计算优化路线。

可将边坡预测、障碍物信息等附加操作数据合并到上述框架中,由此建立起一个可运用仿真车辆性能数据对实际地形进行全面机动性评估的平台。


图 5.映射工作流、显示理想速度以及路线预测

实时虚拟模型性能

在验证用于机动性评估的全逼真 Adams 模型对与其衔接的硬件在环(HIL)和 ADAS 应用程序的适用性时,需要为全逼真模型创建一个降阶实时兼容变量。

由该变量可推导出不同逼真度、满足特定仿真意图的车辆动力学建模,这样用户只需部署单一的建模解决方案,不必在各种工具之间进行昂贵且易于出错的模型转换。此外,借助 Adams 实时方法,用户可以更加自由地保留感兴趣的模型特征。通常可根据分析和综合要求对所选定的部件和连接的表述进行一些简化,从而得到实时车辆性能。在本例中,仅对防侧倾杆模型进行了简化。在 VTD(虚拟试驾)分析环境中对实时模型进行测试以验证其功能。此外,还参照基准整车性能对该模型的数值精度和效率进行了评估。

Adams 长期以来一直活跃在道路分析领域。这项工作展示了如何运用各种海克斯康产品组合来扩展这些模型,并将其重复用于道路地形表述、实时分析以及操作映射背景下的越野分析。
 
分享到:
 
  • 公众号

    测试网微信公众号

  • 小程序

    测试网微信小程序

  • 手机站

    测试网手机站

  • 通讯录

    测试网通讯录

汽车测试网 Copyright © 众为传媒 沪ICP备11026917号